Pengaruh Intellectual Capital terhadap Return on Asset Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesia

LAMPIRAN

Lampirani

Tabulasi Data Variabel Penelitian

RasioProfitabilitas (ROE) Perusahaan Manufaktur yang Terdaftar di BEI

NO Nama Perusahaan Kode Tahun

2012 2011 2010 1. Akhasa Wira International Tbk ADES 0,4 0,21 0,32

2. Astragraphia Tbk ASGR 0,27 0,251 0,254

3. Astra International Tbk ASII 0,25 0,28 0,29

4. Eterindo Wahanatama Tbk ETWA 0,0879 0,0861 0,741 5. Titan Kimia Nusantara Tbk FPNI 0,1562 0,1050 0,1604

6. Goodyear Indonesia Tbk GDYR 0,13 0,05 0,16

7. HM Sampoerna Tbk HMSP 0,747 0,783 0,629

8. Indomobil Sukses Internasional Tbk IMAS 0,1546 0,1741 0,3563 9. Kedawung Setia Industrial Tbk KDSI 0,1166 0,0846 0,0661

10. Kalbe Farma Tbk KLBF 0,2352 0,2275 0,2229

11. Lion Metal Works Tbk LION 0,2296 0,1739 0,1486

12. Lionmesh Prima Tbk LMSH 0,4233 0,1905 0,1571

13. Lautan Luas Tbk LTLS 0,0719 0,0799 0,0852

14. Multi Bintang IndonesiaTbk MLBI 1,37 0,93 0,96

15. Pioneerindo Tbk PTSP 0,289 0,369 0,382

16. Surabaya Agung Industri Pulp &Kertas Tbk SAIP -0,13 0,18 0,09

17. Selamat Sempurna Tbk SMSM 0,36 0,32 0,29

18. Unilever Tbk UNVR 1,637 1,513 1,123

19. United Tractors Tbk UNTR 0,193 0,27 0,257

Lampiranii

Hasil Perhitungan HCE, SCE, CEE, VAIC dan ROA tahun 2010

NO. KODE 2010 ROA

HCE SCE CEE VAIC

1 SMGR 3.722455175 0.731360096 0.321478107 4.775293378 0.257399806 2 AMFG 2.231765774 0.551924305 0.252742389 3.036432468 0.158720006 3 ARNA 3.69376379 0.72927343 0.125813545 4.548850765 0.124529504 4 CTBN 2.134451057 0.531495465 0.124706505 2.790653027 0.079249715 5 INAI 1.225818658 0.184218649 0.222220668 1.632257975 0.078770718 6 BUDI 1.452265126 0.311420496 0.087391297 1.851076919 0.053161876 7 SRSN 1.299570987 0.230515293 0.117148138 1.647234418 0.040527993 8 INTP 5.388985585 0.821413005 0.255814912 6.466213502 0.226055004 9 APLI 2.581427616 0.612617455 0.120176331 3.314221402 0.078795577 10 IGAR 2.058916004 0.51430753 0.298083478 2.871307012 0.161197164 11 TRST 3.518926138 0.715822395 0.094112613 4.328861146 0.075067568 12 MAIN 2.903305101 0.655564962 0.2839943 3.842864363 0.229644614 13 SMCB 2.442769183 0.590628534 0.137563451 3.170961168 0.113542266 14 FASW 4.770868834 0.790394572 0.07965507 5.640918476 0.095288298 15 TKIM 1.597374965 0.37397291 0.053492342 2.024840217 0.030976345 16 ASII 3.066219614 0.6738655 0.226888894 3.966974008 0.172328302 17 GDYR 1.661851262 0.398261431 0.145832248 2.205944941 0.068381749 18 GJTL 3.310829137 0.697960855 0.125461465 4.134251457 0.116773058 19 LPIN 2.375400359 0.579018334 0.161592456 3.116011149 0.097784943 20 HDTX 1.233950366 0.011207998 0.027543875 1.272702239 0.010739403

Lampiraniii

Hasil Perhitungan HCE, SCE, CEE, VAIC dan ROA tahun 2011

NO. KODE 2011 ROA

HCE SCE CEE VAIC

1 SMGR 3.339675809 0.700569738 0.287535313 4.32778086 0.225507374 2 AMFG 1.840130933 0.456560409 0.274332257 2.571023599 0.139192854 3 ARNA 3.614843753 0.72336287 0.15952173 4.497728353 0.1307305 4 CTBN 4.62041191 0.78356908 0.262013673 5.665994663 0.195530718 5 INAI 1.320115886 0.242490746 0.199698435 1.762305067 0.076711095 6 BUDI 1.449138916 0.309935031 0.099749209 1.858823156 0.054693738 7 SRSN 2.4619406 0.304114841 0.243305168 3.009360609 0.074878684 8 INTP 5.214497855 0.80822698 0.245495495 6.26822033 0.215941003 9 APLI 1.850671571 0.45965561 0.106510142 2.416837323 0.049816172 10 IGAR 2.681046343 0.627011296 0.248134121 3.55619176 0.158593984 11 TRST 3.620877078 0.773345803 0.094552511 4.488775392 0.075888638 12 MAIN 2.863044365 0.650721444 0.237221654 3.750987463 0.212604224 13 SMCB 2.794900718 0.642205537 0.150016515 3.58712277 0.10432742 14 FASW 2.502425815 0.600387794 0.044655234 3.147468843 0.051701739 15 TKIM 1.877953244 0.467505379 0.058975505 2.404434128 0.038165574 16 ASII 3.052692308 0.672420309 0.205729589 3.930842206 0.161615648 17 GDYR 1.086793276 0.079861808 0.206437057 1.373092141 0.025423607 18 GJTL 3.277442296 0.694884025 0.112339672 4.084665993 0.086042299 19 LPIN 1.9727549 0.493094656 0.14587043 2.611719986 0.073429042 20 HDTX 1.693035802 0.409345036 0.041660567 2.144041405 0.030585245

Lampiraniv

Hasil Perhitungan HCE, SCE, CEE, VAIC dan ROA tahun 2012

NO. KODE 2012 ROA

HCE SCE CEE VAIC

1 SMGR 3.430785068 0.708521524 0.261513908 4.4008205 0.213354956 2 AMFG 1.751620409 0.429100052 0.259277317 2.439997778 0.124781089 3 ARNA 4.427081183 0.774117537 0.218685948 5.419884668 0.190656289 4 CTBN 3.222014224 0.689635138 0.186513508 4.09816287 0.136030069 5 INAI 1.219635713 0.180083045 0.210024817 1.609743575 0.066733308 6 BUDI 1.027874298 0.027118392 0.058527911 1.113520601 0.02794329 7 SRSN 1.468115398 0.318854634 0.132309066 1.919279098 0.046154879 8 INTP 5.599511904 0.814436319 0.257027109 6.670975332 0.233950982 9 APLI 1.161754116 0.13923266 0.090430887 1.391417663 0.013847046 10 IGAR 2.231252176 0.551821165 0.25822921 3.041302551 0.135516921 11 TRST 3.267224513 0.693929818 0.073893975 4.035048306 0.03477904 12 MAIN 3.102550995 0.677684588 0.247936489 4.028172072 0.111069454 13 SMCB 2.883063384 0.653146716 0.173809018 3.710019118 0.134817587 14 FASW 1.052710431 0.050071159 0.018948098 1.121729688 0.018155289 15 TKIM 1.46917317 0.319345043 0.041625373 1.830143586 0.030495587 16 ASII 2.823051948 0.645773433 0.190811635 3.659637016 0.139862148 17 GDYR 1.290552246 0.225137918 0.239228171 1.754918335 0.055613607 18 GJTL 3.358174799 0.702219193 0.12017971 4.180573702 0.1168159 19 LPIN 2.131309491 0.530804885 0.181535898 2.843650274 0.100714924 20 HDTX 1.085279315 0.078578218 0.028973115 1.192830648 0.010461342

Lampiranv

Hasil Output SPSS Statistik Deskriptif Descriptive Statistics

N Range Minimum Maximum Mean Std. Deviation

HCE 60 4.57 1.03 5.60 2.5635 1.16201

SCE 60 .81 .01 .82 .5136 .23026

CEE 60 .30 .02 .32 .1656 .08227

VAIC 60 5.56 1.11 6.67 3.2426 1.40395

ROA 60 .25 .01 .26 .1065 .06665

Valid N (listwise) 60

Lampiranv Hasil Output SPSS Model Regresi Linier Sederhana

Variables Entered/Removedb

Model

Variables Entered

Variables

Removed Method

1 VAICa . Enter

a. All requested variables entered. b. Dependent Variable: ROA

Model Summaryb

Model R R Square

Adjusted R Square

Std. Error of the

Estimate Durbin-Watson

1 .769a .591 .584 .04299 2.258

a. Predictors: (Constant), VAIC b. Dependent Variable: ROA

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression .155 1 .155 83.802 .000a

Residual .107 58 .002

Total .262 59

a. Predictors: (Constant), VAIC b. Dependent Variable: ROA

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) -.012 .014 -.840 .405

VAIC .036 .004 .769 9.154 .000 1.000 1.000

NPar Test

One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual

N 60

Normal Parametersa,,b Mean .0000000

Std. Deviation .04262797 Most Extreme Differences Absolute .123

Positive .123

Negative -.099

Kolmogorov-Smirnov Z .954

Asymp. Sig. (2-tailed) .323

a. Test distribution is Normal. b. Calculated from data.

Lampiranvi Hasil Output SPSS Model Regresi Linier Berganda

Variables Entered/Removed

Model

Variables Entered

Variables

Removed Method 1 CEE, HCE, SCEa . Enter a. All requested variables entered.

Model Summaryb

Model R R Square

Adjusted R Square

Std. Error of the

Estimate Durbin-Watson

1 .935a .873 .867 .02435 1.991

a. Predictors: (Constant), CEE, HCE, SCE b. Dependent Variable: ROA

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression .229 3 .076 128.738 .000a

Residual .033 56 .001

Total .262 59

a. Predictors: (Constant), CEE, HCE, SCE b. Dependent Variable: ROA

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) -.053 .009 -6.043 .000

HCE .018 .006 .309 2.946 .005 .206 4.862

SCE .064 .031 .221 2.096 .041 .203 4.919

CEE .492 .042 .607 11.782 .000 .852 1.173

Npar Test

One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual

N 60

Normal Parametersa,,b Mean .0000000

Std. Deviation .02371922 Most Extreme Differences Absolute .123

Positive .075

Negative -.123

Kolmogorov-Smirnov Z .954

Asymp. Sig. (2-tailed) .322

a. Test distribution is Normal. b. Calculated from data.

DAFTAR PUSTAKA

Bontis, N. 1998. “Intellectual Capital: an explanatory study that develops measures and models”. Management Decision, Vol.36 No. 2, pp.33-76. Bontis et al. 2000. “Intellectual Capital and Business Performance in Malaysian

Industries”. Journal of Intellectual Capital, 1(1): 85-100.

Boremann, M. and K. H. Leitner, 2002. “Measuring and Reporting Intellectual Capital: The Case of a Research Technology Organisation”, Singapore Management Review. Vol. 24 No. 3 pp. 7-19.

Brooking, A, 1996. Intellectual Capital: Core Assets for the Third Millenium, Enterprise Thomson Business Presss, London, United Kingdom.

Chen et al. 2005. “An Empirical Investigation of the Relationship between Intellectual Capital and Firm‟s Market Value and Financial Performance”. Journal of Intellectual Capital, Vol. 6, Issue 2.

Deegan, C, 2004. Financial Accounting Theory. McGraw-Hill Book Company, Sydney.

Edvinsson, L. and M. Malore, 1997. Intellectual Capital: Realizing Your

Company’s True Value by Finding Its Hidden Brainpower. HarperCollins, New York.

Firer S., and Williams M. 2003. “Intellectual Capital and Traditional Measures of Corporate Performance”. Journal of Intellectual Capital, Vol. 4 No. 3. Ghozali,Imam, 2006. Aplikasi Analisis Multivariate dengan Program SPSS,

Badan Penerbit Universitas Diponegoro, Semarang.

Guthrie et al, 2006. “The Voluntary Reporting of Intellectual Capital; Comparing Evidence from Hong Kong and Australia”. Journal of Intellectual Capital, Vol. 7 No. 2 pp. 254_271.

Harrison, S., and P.H. Sullivan, 2000. “Profitting from Intellectual Capital; Learning from Leading Companies”. Journal of Intellectual Capital,

Vol.1 No. 1 pp. 33-46.

Indriantoro, Nur dan Bambang Supomo, 1999. Metodologi Penelitian Untuk Akuntansi dan Manajemen, Edisi Pertama, BPFE, Yokyakarta.

International Federation of Accountants, 1998. The Measurement and Management of Intellectual Capital. www.ifac.org (12 Februari 2014). Kamath, G.B., 2007. “The Intellectual Capital Performance of Indian Banking

Sector”. Journal of Intellectual Capital, Vol. 8 No. 1 pp. 96-123.

Mavridis, D.G., 2004. “The Intellectual Capital Performance of The Japanese Banking Sector”. Journal of Intellectual Capital, Vol. 5 No. 3 pp. 92-115. Petty, P. and J. Guthrie, 2000. “Intellectual Capital Literature Review: Measurement, Reporting and Management”. Journal of Intellectual Capital. Vol.1 No. 2 pp. 75-155.

Pulic, A. 1998. Measuring the Performance of Intellectual Potential in Knowledge Economy. Available at: www.vaic-on.net(1 Maret 2014). Pulic, A. 1999. Basic Information on VAIC. www.vaic-on.net (12 Februari 2014). Pulic, A. 2000. “VAIC –an Accounting Tool for IC Management”. International

Journal of Technology Management, 20(5).

Rochaety, Ety, Ratih Tresnati dan Abdul Madjid Latief, 2009. Metodologi Penelitian Bisnis Dengan Aplikasi SPSS, Edisi Revisi, Mitra Wacana Media, Jakarta.

Pengukuran, dan Pelaporan (sebuah Library Research)”. Jurnal Akuntansi dan Keuangan. Vol. 5 No. 1 pp. 35-57.

Sullivan Jr., P.H. and P.H. Sullivan Sr., 2000. “Valuing Intangible Companies, an Intellectual Capital Approach”. Journal of Intellectual Capital, Vol.1 No. 4 pp. 328-340.

Sumarni, Murti dan Salamah Wahyuni, 2006. Metodologi Penelitian Bisnis, Andi Offset, Yogyakarta.

Sveiby, K.E., 2001. Method for Measuring Intangible Assets. www.sveiby.com/articles (11 Februari 2014).

Tan et al. 2007. “Intellectual Capital and Financial Returns of Companies”. Journal of Intellectual Capital, Vol. 8 No.1, 2007 pp. 76-95.

Ulum et al. 2008. “Intellectual Capital dan Kinerja Keuangan Perusahaan: Suatu Analisis dengan Pendekatan Partial Least Squares”. SNA XI Pontianak. Ulum, Ihyaul, 2009. Intellectual Capital: Konsep dan Kajian Empiris.

Yogyakarta: Graha Ilmu. www.idx.co.id

BAB III

METODE PENELITIAN

3.1 Jenis Penelitian

Jenispenelitianyangdilakukanadalahpenelitianasosiatif. Penelitian asosiatif adalah penelitian yang bertujuan mengetahui hubungan antara dua variabel atau lebih(Ety Rochaety, 2009). Hasil penelitian asosiatif dapat membangun teori yang berfungsi untuk menjelaskan, meramalkan, dan mengontrol suatu gejala. Penelitian asosiatif ini memiliki bentuk hubungan kausal yang merupakan hubungan sebab akibat antara variabel independendengandependen.

3.2Jenis dan Sumber Data

Jenisdatayangdigunakandalampenelitianinimerupakandatakuantitatif yaitu data yang diukur dalam suatu skala numerik, dan merupakan data sekunder. Menurut Nur Indriantoro (1999:147) “data sekunder merupakan sumber data penelitian yang diperoleh peneliti secara tidak langsung melalui media perantara (diperoleh dan dicatat oleh pihak lain)”. Data yang digunakan dalam penelitian ini adalah data sekunder yang berupa laporankeuanganperusahaan manufaktur yang terdaftar di Bursa Efek Indonesiaselamaperiodetahun2010sampaidengan tahun 2012, yang didapatkan dari situs Bursa Efek Indonesia, www.idx.co.id.

masih terdapat keterbatasan-keterbatasan di dalamnya. Penulis mengambil sampel hanya pada sektor manufaktur yang terdaftar di BEI dan periode 3 tahun yaitu tahun 2010-2012. Penulis hanya menggunakan satu variabel independen dalam menilai kinerja perusahaan yaitu Return on Asset.

3.4 Populasi dan Sampel Penelitian

Populasi dalam penelitian ini adalah seluruh perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI) yaitu sebanyak 131 perusahaan. Adapun perusahaan yang menjadi sampel penelitian ini merupakan perusahaan-perusahaan manufaktur yang terdaftar di BEI tahun 2010-2012. Penentuan anggota sampel dalam penelitian ini dilakukan dengan metode random sampling atau pengambilan data secara acak.

Berdasarkan teknik pengambilan sampel tersebut maka dari populasi sebanyak 131 perusahaan dapat dikelompokkan menjadi 20 perusahaan manufaktur.

Tabel 3.1 Pengambilan Sampel

No Kode Nama Perusahaan

1. SMGR Semen Gresik Tbk 2. AMFG Asahimas Flat Glass Tbk 3. ARNA Arwana Citra Mulia Tbk 4. CTBN Citra Turbindo Tbk

5. INAI Indal Aluminium Industry Tbk 6. BUDI Budi Acid Jaya Tbk

7. SRSN Indo Acitama Tbk

8. INTP Indocement Tunggal Prakarsa Tbk 9. APLI Asiaplast Industries Tbk

10. IGAR Champion Pasific Indonesia Tbk 11. TRST Trias Sentosa Tbk

12. MAIN Malindo Feedmill Tbk 13. SMCB Holcim Indonesia Tbk 14. FASW Fajar Surya Wisesa Tbk

15. TKIM Pabrik Kertas Tjiwi Kimia Tbk 16. ASII Astra International Tbk

17. GDYR Goodyear Indonesia Tbk 18. GJTL Gajah Tunggal Tbk

19. LPIN Multi Prima Sejahtera Tbk 20. HDTX Pan Asia Indosyntec Tbk Sumber : Hasil olahan penulis

3.5 Metode Pengumpulan Data

Pada penelitian ini, pengumpulan data dilakukan dengan mengumpulkan data sekunder berupa laporan keuangan perusahaan manufaktur yang dipublikasikan dan terdaftar di Bursa Efek Indonesia dengan cara mendownload dari situs www.idx.co.id sesuai dengan periode pengamatan tahun 2010-2012.

3.6Variabel Penelitian dan Definisi Operasional Variabel 3.6.1 Variabel Penelitian

3.6.1.1Variabel Independen

Menurut Murti dan Salamah (2006) „variabel independen atau

variabel bebas adalah variabel yang mempengaruhi atau menjadi

penyebab berubahnya atau timbulnya variabel dependen‟. Variabel independen dalam penelitian ini menggunakan metode Value Added Intellectual Coefficient (VAIC) yang dikembangkan oleh Pulic (1998) dan diadopsi oleh Chen et al. (2005) dan Tan et al. (2007). Intellectual Capital dimaksud dalam penelitian ini adalah kinerja IC yang diukur dalam tiga komponen yaitu Human Capital Efficiency, Structural Capital Efficiency, dan Capital Employed Efficiency (Chen et al., 2005).

Formulasi dan tahapan perhitungan VAIC adalah sebagai berikut :

Tahap Pertama : Menghitung Nilai Tambah atau Value Added (VA). VA adalah perbedaan antara penjualan (OUT) dan input (IN). Rumus untuk menghitung VA yaitu :

VA = S – B S (Output) = Total semua pendapatan

B (Input) = Beban dan biaya-biaya (selain beban karyawan) Tahap Kedua : Menghitung Human Capital Efficiency (HCE). HC adalah meodal intelektual perusahaan yaitu kompetensi, pengetahuan, dan keterampilan karyawan dimana karyawan tersebut bekerja (Pulic, 1998). HC diukur dengan HCE yang merupakan indicator efisiensi nilai tambah (Value Added) modal manusia. Rumus untuk menghitung HCE yaitu :

HCE = VA / HC VA = Value Added

HC = Human Capital; beban karyawan HCE = Human Capital Efficiency

Tahap Ketiga : Menghitung Structural Capital Efficiency (SCE). SC dapat didefinisikan sebagai competitive intelligence, formula, sistem informasi, hak paten, kebijakan, proses, dan sebagainya, hasil dari produk atau sistem perusahaan yang telah diciptakan dari waktu ke waktu (Pulic, 1998), yang diukur dengan Structural Capital

Efficiency (SCE) yang merupakan indikator efisiensi nilai tambah (Value Added). Rumus untuk menghitung SCE yaitu :

SC = VA – HC SCE = SC / VA

Tahap Keempat : Menghitung Capital Employed Efficiency (CEE). Capital Employed (CE) dapat didefinisikan sebagai total modal yang dimanfaatkan dalam aset tetap dan aset lancar dalam suatu perusahaan (Pulic, 1998), yang diukur dengan Capital Employed Efficiency yang merupakan indicator efisiensi nilai tambah. Rumus yang digunakan untuk menghitung CEE yaitu :

CEE = VA / CE CE = Nilai buku aktiva bersih

Tahap Kelima : Menghitung Value Added Intellectual Efficiency (VAIC).VAIC mengindikasikan kemampuan intelektual organisasi yang juga dianggap sebagai Business Performance Indicator (BPI). VAIC merupakan penjumlahan dari tiga komponen sebelumnya, yaitu HCE, SCE, dan CEE.

VAIC = HCE + SCE + CEE

3.6.1.2 Variabel Dependen

Menurut Murti dan Salamah (2006), “Variabel dependen atau variabel terikat merupakan variabel yang dipengaruhi atau disebabkan

oleh adanya variabel bebas”. Oleh karena itu variabel dependen merupakan konsekuensi dari variabel independen. Variabel dependen yang digunakan dalam penelitian ini adalah Return on Asset (ROA).

1. Return on Asset adalah profitabilitas kunci yang mengukur jumlah profit yang diperoleh dari tiap rupiah aset yang dimiliki perusahaan. ROA memperlihatkan kemampuan perusahaan dalam melakukan efisiensi penggunaan total aset untuk operasional perusahaan. Rasio ini mewakili rasio profitabilitas, yang mengukur kemampuan perusahaan dalam menghasilkan laba dengan menggunakan total aset yang dimiliki perusahaan.

ROA = Laba bersih + beban bunga (1 – tarif pajak) rata-rata total aset

3.6.2 Definisi Operasional Variabel

Operasional Variabel penelitian ini dapat dilihat secara lebih lengkap pada tabel di bawah ini :

Tabel 3.2

Definisi Operasional Variabel Jenis

Variabel Variabel Defenisi Variabel Rumus

Variabel Independen

Human Capital Efficiency (HCE)

Indikator efisiensi nilai tambah modal manusia.

HCE = VA/HC

Structural Capital Efficiency (SCE)

Indikator efisiensi nilai tambah modal strruktural.

SCE = SC/VA Capital Employed

Efficiency (CEE)

Indikator efisiensi nilai tambah modal yang digunakan.

Value Added Intel- lectual Coefficient (VAIC)

VAIC = HCE + SCE + CEE Variabel

Dependen

Return on Asset (ROA)

Rasiountuk mrngukur kemampuan perusaha- an dalam menghasilkan laba dengan mengguna- kan total aset yang dimiliki perusahaan.

ROA = Laba bersih setelah pajak / total aset

3.7 Metode Analisis Data 3.7.1 Statistik Deskriptif

Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean), minimum, maksimum, dan standar deviasi (Ghozali, 2006).

3.7.2 Uji Asumsi Klasik

Untuk menguji kelayakan model regresi yang digunakan, maka harus terlebih dahulu memenuhi uji asumsi klasik. Uji asumsi klasik dalam penelitian ini terdiri dari uji normalitas, uji multikolinieritas, uji autokorelasi, dan uji heterokedastisitas.

3.7.2.1 Uji Normalitas

MenurutHusein Umar(2008),tujuanujinormalitasadalah untuk mengetahui apakah variabel dependen, independen atau keduanya berdistribusi normal, mendekati normal atau tidak. Model regresi yang baik hendaknya berdistribusi normal atau mendekati normal.

Cara untuk mendeteksi apakah data berdistribusi normal atau tidak dapat diketahui dengan menggambarkan penyebaran data melalui

sebuah grafik atau uji kolmograv-smirnov. Didalam cara menggunakan grafik, jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonalnya, maka model regresi memenuhi asumsi normalitas. 3.7.2.2 Uji Multikolinieritas

Uji multikolinieritas bertujuan untuk mengetahui apakah model regresi ditemukan adanya korelasi antarvariabel independen. Cara untuk mengetahui terjadinya multikolinieritas yaitu dengan melihat nilai Tolerance dan Variance Inflation Factor (VIF). Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah nilai Tolerance < 0,10 atau sama dengan nilai VIF > 10 (Ghozali, 2006). 3.7.2.3 Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 atau periode sebelumnya. Cara untuk mengetahui terjadinya autokorelasi atau tidak yaitu dengan menggunakan Run test. Run test digunakan untuk melihat data residual terjadi secara random atau tidak (sistematis). Tidak terjadi autokorelasi yaitu apabila probabilitas signifikan lebih besar dari  = 0,05 (Ghozali, 2006).

3.7.2.4 Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah yang homokedastisitas atau

tidak terjadi heterskedastisitas. Cara untuk mendeteksi ada atau tidaknya heteroskedastisitas pada penelitian ini adalah dengan menggunakan uji gletser. Jika variabel independen signifikan secara statistik memengaruhi variabel dependen, maka ada indikasi terjadi heteroskedastisitas. Probabilitas signifikansi di atas tingkat kepercayaan 0,05 dapat disimpulkan tidak adanya heteroskedastisitas (Ghozali, 2006).

3.7.3 Analisis Regresi Berganda dan Regresi Sederhana

Metode analisis yang dipakai dalam penelitian ini adalah metode analisis regresi berganda untuk mengetahui hubungan HCE, SCE, dan CEE terhadap Return on Asset sehingga dapat diperoleh gambaran menyeluruh mengenai hubungan antara variabel satu dengan yang lain. Model regresi linier berganda yang digunakan dalam penelitian ini adalah sebagai berikut :

Y = a + b1HCE + b2SCE + b3CEE + e Keterangan :

Y = Profitabilitas (ROA) a = konstanta

b1,2,3 = Koefisien regresi dari masing-masing variabel independen e = standard error

Untuk mengetahui pengaruh VAIC terhadap ROA digunakan analisis regresi linier sederhana. Analisis regresi linier sederhana adalah pengaruh secara linier antara satu variabel independen (X1) dengan variabel dependen (Y). Analisis ini dilakukan untuk mengetahui arah pengaruh variabel

independen dengan variabel dependen apakah variabel independen berpengaruh positif atau negatif terhadap memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan. Persamaan regresi linier sederhana yang digunakan dalam penelitian ini adalah sebagai berikut :

Y = a + b1VAIC Keterangan :

Y = Profitabilitas (ROA) a = konstanta

b1 = koefisien regresi dari variabel independen

3.8 Pengujian Hipotesis

Hipotesisdiujidengananalisisregresilinierbergandauntukmenganalisis pengaruh variabel independen terhadap dependen. Untuk menguji apakah hipotesisyangdiajukanditerimaatauditolak,digunakanujit(t-test)danujiF(F- test).

3.8.1 Uji Persial (t-test)

Uji t adalah uji parsial yang berfungsi untuk melihat pengaruh masing-masing variabel independen atau bebas (X) berpengaruh nyata atau tidak secara parsial terhadap variabel dependen/terikatnya (Y).

Ujiinidilakukanuntukmengetahuipengaruhvariabelindependensecara parsial terhadapvariabeldependen.Tingkatkepercayaanadalah95%danlevel pengujianyangdigunakanα5%.Ujiinidilakukandenganmembandingkant

a) Untuk koefisien positif:

 Ho diterima dan Ha ditolak jika untuk

 Ha diterima dan Ho ditolak jika untuk b) Untuk koefisien negatif:

 Ho diterima dan Ha ditolak jika untuk

 Ha diterima dan Ho ditolak jika untuk 3.8.2 Uji Simultan (F-test)

Uji F adalah uji simultan untuk melihat pengaruh variabel-variabel independen/bebas (X1, X2, X3…) secara bersama terhadap variabel terikatnya/dependen (Y).

Ujiinidilakukanuntukmengetahuipengaruhvariabelindependensecara bersama-sama terhadap variabel dependen. Uji ini dilakukan dengan membandingkan signifikansi F hitung dengan F tabel dengan ketentuan:

Kriteria:

1) _{H0 diterimadan Ha ditolakjikaFhitung<Ftabelunt}ukα=5% 2) Ha diterimadan H0 ditolakjikaFhitung>Ftabeluntukα=5%

3.9 Jadwal Penelitian

Jadwal penelitian direncanakan sebagai berikut : Tabel3.3

Jadwal Penelitian

Tahapan Penelitian

Oktober 2013

Februari 2014

Maret2013 April 2014

Mei 2014 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 Pengajuan

Judul Pengajuan Proposal Bimbingan Proposal dan Seminar Pengumpulanda n Pengolahan Data serta Meja Hijau

Penulisan Skripsi

BABIV

HASILPENELITIANDAN PEMBAHASAN

4.1 Data Penelitian

Populasiyangditelitidalampenelitianiniadalahperusahaanmanufaktur yang terdaftar di Bursa Efek Indonesia selama tahun 2010-2012. Perusahaan yang dijadikan sampel berjumlah 20perusahaan manufaktur dari berbagai industri

dengan periode tigatahunsehinggadata

penelitiansecarakeseluruhanberjumlah60(3x20) sampel.Daftarperusahaan yangtelahditentukandapatdilihatpadalampirani.

4.2 Statistik Deskriptif

Statistikdeskriptifdalampenelitianinihanyamendeskripsikansampel,dan tidakmembuatkesimpulanyangberlakuuntukpopulasidimanasampeldiambil.

Tujuan statistik deskriptif adalah untuk menghitung rata-rata, standar deviasi, range, minimum, dan maksimum. Statistikdeskriptifakan dijelaskandalamTabel4.1.

Tabel4.1 DescriptiveStatistics

Descriptive Statistics

N Range Minimum Maximum Mean Std. Deviation

HCE 60 4.57 1.03 5.60 2.5635 1.16201

SCE 60 .81 .01 .82 .5136 .23026

CEE 60 .30 .02 .32 .1656 .08227

ROA 60 .25 .01 .26 .1065 .06665 Valid N (listwise) 60

Sumber : Output SPSS, diolah Peneliti, 2014

Berdasarkandata dari Tabel 4.1 dapat dijelaskan bahwa:

a. VariabelHuman Capital

Efficiency( X 1 )memilikisampel(N)sebanyak60,dengan nilai minimum(terkecil)1,03nilaimaksimum(terbesar)5,6danmean(nilairata-rata) 2,5635. Standar deviation (simpangan baku) variabel ini adalah 1,16201. Dan dengan Rangesebesar 4,57.

b. VariabelStructural Capital

Efficiency(X2)memilikisampel(N)sebanyak60,dengan

nilaiminimum(terkecil)0,01,nilaimaksimum(terbesar)0,82danmean(nila i rata-rata) 0,5136.Standardeviation(simpangan baku) variabel ini adalah 0,23026. Dan Range sebesar 0,81.

c. VariabelCapital Employed Efficiency(X3)

memilikisampel(N)sebanyak60,dengan nilai

minimum(terkecil)0,02,nilaimaksimum(terbesar)0,32danmean (nilai rata-rata) 0,1656.Standar deviation (simpangan baku) variabel ini adalah 0,08227. Dan Range sebesar 0,3.

d. Variabel Value Added Intellectual Coefficient(X4)memiliki sampel (N)

sebanyak 60, dengan

nilaiminimum(terkecil)1,11,nilaimaksimum(terbesar)6,67dan

Dan Range sebesar 5,56.

e. Variabel Return on Asset(Y)memiliki sampel (N) sebanyak 60, dengan nilaiminimum(terkecil)0,01nilaimaksimum(terbesar)0 ,26dan

mean(nilairata-rata)0,1065.Standardeviation(simpanganbaku)variabelini adalah 0,06665. Dan Range sebesar 0,25.

4.3 Analisis Data

4.3.1 Model Regresi Linier Sederhana 4.3.1.1 Uji Asumsi Klasik

1) Uji Normalitas

Tujuan uji normalitas adalah untuk mengetahui apakah variabel dependen, independen atau keduanya berdistribusi normal, mendekati normal, atau pun tidak. Model regresi yang baik seharusnya berdistribusi normal atau mendekati normal.

Mendeteksi apakah data berdistribusi normal atau tidak dapat diketahui dengan menggambarkan penyebaran data melalui grafik. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonalnya, maka model regresi memnuhi asumsi normalitas. Uji normalitas data dapat juga dilakukan dengan uji Klomogrov – Smirnov. Pada penelitian ini, uji normalitas dilakukan melalui melihat grafik Normal P-P Plot of regression. Grafik normal P-P plot ditampilkan pada Gambar 4.1.

Gambar4.1

NormalP-Plot Regression

Sumber : Output SPSS, diolah Peneliti, 2014 Dalam uji normalitas residual dengan grafik dapat menyesatkan apabila tidak hati-hati karena secara visual kelihatan normal. Oleh karena itu dilengkapi juga dengan uji Kolmogorov-Smirnov yang dapat dilihat pada tabel berikut ini:

Tabel 4.2

Hasil uji Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual

N 60

Normal Parametersa,,b Mean .0000000

Std. Deviation .04262797

Most Extreme Differences Absolute .123

Positive .123

Negative -.099

Kolmogorov-Smirnov Z .954

a. Test distribution is Normal. b. Calculated from data.

Sumber : Output SPSS, diolah Peneliti, 2014

Berdasarkan Tabel 4.2 mengindikasikan bahwa data mempunyai distribusi normal, dimana berdasarkan nilai signifikansi Kolmogorov-Smirnov menunjukkan nilai lebih besar dari 0,05 yaitu sebesar 0,323. Maka dapat dinyatakan bahwa data terdistribusi normal.

2) Uji Autokorelasi

Tujuan uji autokorelasi adalah untuk mengetahui apakah dalam sebuah model regresi linier terdapat hubungan yang kuat (positif maupun negatif) antar data pada variabel-veriabel penelitian.

Untuk data cross section, akan diuji apakah terdapat hubungan yang kuat antar data. Apabila terdapat hubungan yang kuat antar data, maka telah terjadi autokorelasi. Hal ini akan menyebabkan memberikan informasi yang menyesatkan. Oleh karena itu, model regresi yang baik adalah model regresi yang bebas dari autokorelasi.

Terdapat beberapa cara melakukan uji autokorelasi ini, salah satu nya adalah uji Durbin Watson (DW). Kriteria – kriteria dalam uji Durbin Watson adalah sebagai berikut:

b) Tidak terima jika c) Terima jikac d) Pengujian tidak meyakinkan jika:





HasilujiDurbinWatsondengan menggunakanprogramSPSS ditampilkan pada Tabel 4.3.

Tabel4.3

HasilUji Autokorelasi Model Summaryb

Model R R Square

Adjusted R Square

Std. Error of the

Estimate Durbin-Watson

1 .769a .591 .584 .04299 2.258

a. Predictors: (Constant), VAIC b. Dependent Variable: ROA

Sumber : Output SPSS, diolah Penulis, 2014

Berdasarkan data penelitian, yaitu data n = 60 dan signifikansi , jumlah variabel independen (k) dalam persamaan = 3, maka didapat nilai nilai batas bawah ( ) dan nilai batas atas ( ) masing-masing adalah 1,5485 dan 1,6162.

Serta berdasarkan hasil uji autikorelasi Durbin-Watson, nilai DW 2,285 lebih besar dari dan lebih kecil dari 4 dikurang nilai batas atas ( ) 1,6162(1,6162 < 2,285 < 2,3838) yang memenuhi kriteria c. Maka dapat disimpulkan bahwa dalam model regresi linier penelitian ini tidak terdapat autokorelasi.

3) Uji Heteroskedastisitas

Tujuan dilakukannya uji heteroskedastisitas adalah untuk mengujiapakahdalammodelregresiterjadiketidaksamaanvarianceda riresidual untuk semua pengamatan pada model regresi.Jika varians dari residual suatu pengamatan ke pengamatan lain tetap, disebut homoskedastisitas, sementara itu, untuk varians yang berbeda disebut heteroskedastisitas.

Pengujian Heteroskedastisitas dalam penelitian ini dilakukan dengan uji Glejser serta dengan melihatgrafikscatterplot.Uji Glejser adalah salah satu uji heteroskedastisitas yang dilakukan dengan cara meregresikan antara variabel independen dengan nilai absolut residualnya.

Berikut ini adalah tabel hasil uji heteroskedastisitas dengan menggunakan uji Glejser.

Tabel 4.4

Hasil Uji Heteroskedastisitas – uji Glejser Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig. B Std. Error Beta

1 (Constant) .017 .009 1.823 .074

VAIC .005 .003 .222 1.737 .088

a. Dependent Variable: ABSRES_3

Sumber : Output SPSS, diolah Penulis, 2014

Dari Tabel 4.4 dapat disimpulkan bahwa dalam variabel independen tidak terdapat gejala heteroskedastisitas, karena (sig.)

> 0,05.

Hasil uji Glejser ini juga didukung oleh hasil scatterplot testdengan menggunakan variabel sresid danzpred. Hasil scatterplot test ditampilkan pada Gambar 4.2.

Gambar4.2 Scatterplot

Sumber : Output SPSS, diolah Penulis, 2014 4.3.1.2 Analisis Regresi

Berdasarkan hasil uji asumsi klasik yang telah dilakukan di atas, dapat disimpulkan bahwa model regresi yang dipakai dalam penelitian ini telah memenuhimodelestimasi yangBestLinearUnbiasedEstimator(BLUE)dan

layakuntukdilakukananalisisstatistik

selanjutnya,yaitumelakukanpengujian hipotesis. 1) Uji Koefisien Determinasi (R2)

Hipotesis dalam penelitian inidiujidenganmenggunakananalisisregresi sederhanayaitu UjiKoefisienDeterminasi/Regresi(R2).Tujuan dilakukannya ujiregresiadalah

untukmengukurproporsiataupersentasepengaruhvariabelindependen yang diteliti terhadap variasi naik turunnya variabel dependen.

Koefisien korelasi

dikatakankuatapabiladatanilaiRberadadiantara0,5danmendekati1.N ilaiR

Squareadalah0sampaidengan1.ApabilanilaiRSquaresemakinmende

kati1,

makavariabel-variabelindependenmendekatisemuainformasiyangdibutuhkan untukmemprediksivariasivariabeldependen.Namun apabila nila R square semakin kecil, makakemampuanvariabel-variabelindependenuntukmenjelaskanvariasi

variabeldependensemakinterbatas.

Berdasarkanhasilpengolahandatadengan programstatistik, maka diperoleh hasil pada tabel 4.5.

Tabel4.5

Koefisiandeterminasi (R square) Model Summaryb

Model R R Square

Adjusted R Square

Std. Error of the Estimate

1 .769a .591 .584 .04299

Sumber : Output SPSS, diolah Penulis, 2014

Berdasarkan tabel 4.5,angkaRsebesar0,769menunjukkan bahwakorelasiatauhubunganantaraReturnonAsset(Y)denganValue

Added Intellectual Coefficientmempunyai

hubunganyangkuatkarena>0,5(50%)yaitu76,9%.AngkaAdjustedRSqua re

ataukoefisiendeterminasiadalah0,584atau58,4%.Angkainimengindikas ikan bahwavariasi dariketigavariabelindependennyamampu menjelaskanvariasi

variabeldependensebesar58,4%dansisanya4 1

,6%(100%-58,4%)dijelaskan olehfaktor-faktorlaintidakdimasukkan dalammodelpenelitianini.Kemudian

StandardErroroftheEstimateadalahsebesar 0 , 0 4 2 9 9 , dimanasemakinkecil

angkainiakanmembuatmodelregresisemakintepatuntukmemprediksiRe turn on Asset.

Hasilpengolahandatadengananalisisregresidapatdilihatpada tabel berikut:

Tabel4.6 AnalisisRegresi

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig. B Std. Error Beta

VAIC .036 .004 .769 9.154 .000 a. Dependent Variable: ROA

Sumber : Output SPSS, diolah Penulis, 2014

BerdasarkanTabel4.6padakolomUnstandardizedCoefficientsbagian B, diperoleh model persamaan regresi linier sederhana yaitu:

Y= -0,012 + 0,036 (X1)+ e

dimana:

Y= Profitabilitas (ROA)

X1= Value Added Intellectual Coefficient (VAIC)

Untuk mengetahui model di atas layak digunakan atau tidak, hal ini dapat diketahui melalui tingkat signifikansi variabel bebas terhadap variabel terikat secara individual maka digunakan statistik uji-t.

2) Uji Parsial (t-test)

Tujuan dilakukannya uji t adalah untuk menguji signifikansi konstanta dari setiap variabel independen terhadap variabel dependen secara parsial. Dalamujitdigunakanhipotesisberikut:

H0:b1=0,artinyaVAICtidakberpengaruhterhadapROA

secaraparsial padaperusahaanmanufakturyangterdaftardiBursaEfek Indonesia.

Ha:b1≠0,artinya VAIC berpengaruhterhadapROAsecara parsial pada perusahaan Manufaktur yang terdaftar di Bursa Efek Indonesia.

Kriteria:

 Ho diterima dan Ha ditolak jika untuk

 Ha diterima dan Ho ditolak jika untuk

d) Untuk koefisien negatif:

 Ho diterima dan Ha ditolak jika untuk

Ha diterima dan Ho ditolak jika untuk

Tabel4.7 Uji Statistik t

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig. B Std. Error Beta

1 (Constant) -.012 .014 -.840 .405

VAIC .036 .004 .769 9.154 .000

a. Dependent Variable: ROA

Sumber : Output SPSS, diolah Penulis, 2014

Tabel4.7menunjukkan hasil pengujian statistik t sehingga dapat menjelaskan pengaruh variabel independen secara parsial.

Variabel VAIC memiliki nilai t 9,154 dengan nilai signifikansi 0,000 (lebih besar dari 0,05). Maka yaitu 9,154>1,672, hal ini menunjukkan bahwa Ha diterima dan Ho ditolak. Artinya Intellectual Capital yang digambarkan oleh VAIC berpengaruh signifikan terhadap Retun on Assetsecara parsial pada

perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia.

4.3.2 Model Regresi Linier Berganda 4.3.2.1 Uji Asumsi Klasik

1) Uji Normalitas

Dalam analisis multivariate, normalitas residual merupakan suatu hal yang penting. Pengujian normalitas residual dilakukan dengan menggunakan metode PP Plot yang diperkuat dengan uji Kolmogorv Smornov.Hasil pengujian normalitas diperoleh sebagai berikut :

Pengujian normalitas residual menunjukkan bahwa model regresi sudah memiliki nilai residual yang berdistribusi normal. Hal ini ditunjukkan dengan nilai probabilitas uji Kolmogorov Smirnov sebesar 0,322 yang berada di atas 0,05.

Gambar 4.3 Hasil Uji Normalitas

Tabel 4.8

Hasil uji Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual

N 60

Normal Parametersa,,b Mean .0000000

Std. Deviation .02371922

Most Extreme Differences Absolute .123

Positive .075

Negative -.123

Kolmogorov-Smirnov Z .954

Asymp. Sig. (2-tailed) .322

a. Test distribution is Normal. b. Calculated from data.

Sumber : Output SPSS, diolah Peneliti, 2014 2) Uji Multikolonieritas

Tujuan dilakukannya uji multikolinieritas adalah untuk mengetahui apakah pada model regresi ditemukan adanya korelasi antarvariabel independen. Apabila terjadi korelasi, maka terdapat masalah multikolonieritas yang harus diatasi.

Multikolonieritas diuji dengan menggunakan nilai Tolerance dan nilai VIF (Variance Inflation Factor). Suatu model regresi dikatakan tidak memiliki nilai Tolerance yang lebih besar dari 0,10 dan nilai VIF yang lebih kecil dari 10. Hasil pengujian model regresi diperoleh nilai-nilai Tolerance dan VIF untuk masing-masing variabel adalah sebagai berikut:

Tabel 4.9

Hasil Uji Multikolonieritas Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

T Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) -.053 .009 -6.043 .000

HCE .018 .006 .309 2.946 .005 .206 4.862

SCE .064 .031 .221 2.096 .041 .203 4.919

CEE .492 .042 .607 11.782 .000 .852 1.173

a. Dependent Variable: ROA

Sumber : Output SPSS, diolah Penulis, 2014.

Dari hasil tersebut menunjukkan bahwa semua nilai Tolerance dan nilai VIF dari variabel independen memiliki nilai Tolerance yang lebih besar dari 0,10 dan nilai VIF yang lebih kecil dari 10. Hasil pengujian model regresi tersebut menunjukkan tidak adanya gejala multikolonier dalam model regresi. Hal ini berarti bahwa semua variabel independen tersebut layak digunakan sebagai prediktor.

3) Uji Autokorelasi

Pengujian autokorelasi dilakukan dengan menggunakan uji Durbin Watson, yaitu dengan membandingkan nilai DW dengan nilai tabel . Jika DW berada pada rentang dan , maka hal ini menunjukkan tidak ada masalah autokorelasi dalam model regresi.

Tabel4.10

HasilUji Autokorelasi Model Summaryb

Model R R Square

Adjusted R Square

Std. Error of the

Estimate Durbin-Watson

1 .935a .873 .867 .02435 1.991

a. Predictors: (Constant), CEE, HCE, SCE b. Dependent Variable: ROA

Sumber : Output SPSS, diolah Penulis, 2014

Berdasarkan data penelitian, yaitu data n = 60 dan signifikansi , jumlah variabel independen (k) dalam persamaan = 3, maka didapat nilai nilai batas bawah ( ) dan nilai batas atas ( ) masing-masing adalah 1,4797 dan 1,6889.

Serta berdasarkan hasil uji autikorelasi Durbin-Watson, nilai DW 1,991 lebih besar dari dan lebih kecil dari 4 dikurang nilai batas atas ( ) 1,668(1,6889 < 1,991 < 2,311). Maka dapat disimpulkan bahwa dalam model regresi linier penelitian ini tidak terdapat autokorelasi.

4) Uji Heteroskedastisitas

Tujuan dilakukannya uji heteroskedastisitas adalah untuk mengujiapakahdalammodelregresiterjadiketidaksamaanvarianceda riresidual untuk semua pengamatan pada model regresi.

Jika varians dari residual suatu pengamatan ke pengamatan lain tetap, disebut homoskedastisitas, sementara itu, untuk varians yang berbeda disebut heteroskedastisitas.

Pengujian Heteroskedastisitas dalam penelitian ini dilakukan dengan uji Glejser serta dengan melihatgrafikscatterplot.Uji Glejser adalah salah satu uji heteroskedastisi- tas yang dilakukan dengan cara meregresikan antara variabel independen dengan nilai absolut residualnya.

Tabel 4.11

Hasil Uji Heteroskedastisitas – uji Glejser Coefficientsa

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig. B Std. Error Beta

1 (Constant) .017 .006 3.008 .004

HCE .005 .004 .376 1.331 .189

SCE -.037 .020 -.536 -1.888 .064

CEE .038 .027 .196 1.411 .164

a. Dependent Variable: ABSRES_1

Sumber : Output SPSS, diolah Penulis, 2014

Dari Tabel 4.11 dapat disimpulkan bahwa ketiga variabel independen tidak terdapat gejala heteroskedastisitas, karena (sig.) > 0,05.

Hasil uji glejser ini juga didukung oleh hasil scatterplot testdengan menggunakan variabel sresid dan zpred. Hasil scatterplot test ditampilkan pada Gambar 4.4.

Gambar4.4 Scatterplot

Sumber : Output SPSS, diolah Penulis, 2014

Dari gambar scatterplot terlihat bahwa titik-titik menyebar

secara acak

dengantidakadanyapolayangjelassertatersebarbaikdiatasmaupundib awah angka 0 pada sumbu Y. Hal tersebut menunjukkan bahwa tidak terjadi heterokedastisitas. Oleh karena itu, model ini layak dipakai untuk memprediksi profitabilitas perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia berdasarkanvariabel independenyaitu Human Capital Efficiency, Structural Capital Efficiency, dan Capital Employed Efficiency.

4.3.2.2 Analisis Regresi

Berdasarkan hasil uji asumsi klasik yang telah dilakukan di atas, dapat disimpulkan bahwa model regresi yang dipakai dalam penelitian

ini telah memenuhimodelestimasi

yangBestLinearUnbiasedEstimator(BLUE)dan layakuntukdilakukananalisisstatistik

selanjutnya,yaitumelakukanpengujian hipotesis.

Hasilpengolahandatadengananalisisregresidapatdilihatpada tabel berikut:

Tabel4.12 AnalisisRegresi

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig. B Std. Error Beta

1 (Constant) -.053 .009 -6.043 .000

HCE .018 .006 .309 2.946 .005

SCE .064 .031 .221 2.096 .041

CEE .492 .042 .607 11.782 .000

a. Dependent Variable: ROA

Sumber : Output SPSS, diolah Penulis, 2014

BerdasarkanTabel4.12padakolomUnstandardizedCoefficientsbagia nB, diperoleh model persamaan regresi linier berganda yaitu:

Y= -0,053 + 0,018 (X1)+ 0,064 (X2)+ 0,492 (X3)+ e

dimana:

X1= Human Capital Efficiency (HCE) X2 = Structural Capital Efficiency (SCE) X3 = Capital Employed Efficiency (CEE)

Penjelasandarinilaia,b1,b2danb3padaUnstandardizedCoefficientste rsebut dapat dijelaskan:

a) (a) =-0,053(konstanta)

Nilaikonstantainimenunjukkanbahwaapabilatidakadanilaivaria bel bebasyaituHCE,S C E danC E E ,makanilaiprofitabilitas (ROA)yangdilihat dari nilai Y menurun sebesar 0,053.

b) = 0,018( Human Capital Efficiency/HCE)

Nilai koefisisen regresi ini menunjukkan bahwa setiap

kenaikan Human Capital Efficiency

(HCE)sebesar1satuan,makaperubahanprofitabilitas (ROA)yang dilihatdarinilaiYakanbertambahsebesar0,018denganasumsivaria bel lain dianggap tetapatausama dengan nol.

c) = 0,064 (Structural Capital Efficiency/SCE)

Nilai koefisien regresi ini menunjukkan bahwa setiap kenaikan Structural Capital Efficiency (SCE)sebesar1satuan,makaperubahanprofitabilitas (ROA)yang dilihatdarinilaiYakanbertambahsebesar0,074denganasumsivaria bel lain dianggap tetapatausamadengannol.

d) =0,492=(Capital Employed Efficiency/CEE)

Nilai koefisisen regresi ini menunjukkan bahwa setiap

kenaikan Capital Employed Efficiency

(CEE)sebesar1satuan,makaperubahanprofitabilitas (ROA)yang dilihatdarinilaiYakanbertambahsebesar0,492denganasumsivaria bel lain dianggap tetapatausama dengan nol.

e) Error (e)

Menunjukkan variabel pengganggu diluar variabel Human Capital Efficiency, Structural Capital Efficiency, dan Capital Employed Efficiency.

4.3.2.3 Pengujian Hipotesis

1) Uji Koefisien Determinasi (R2)

Hipotesis dalam penelitian

inidiujidenganmenggunakananalisisregresi bergandayaitu UjiKoefisienDeterminasi/Regresi(R2).Tujuan dilakukannya ujiregresiadalah

untukmengukurproporsiataupersentasepengaruhvariabelindependen yang diteliti terhadap variasi naik turunnya variabel dependen.

Koefisien korelasi

dikatakankuatapabiladatanilaiRberadadiantara0,5danmendekati1.N ilaiR

Squareadalah0sampaidengan1.ApabilanilaiRSquaresemakinmende

kati1,

makavariabel-variabelindependenmendekatisemuainformasiyangdibutuhkan untukmemprediksivariasivariabeldependen.Namun apabila nila R square semakin kecil, makakemampuanvariabel-variabelindependenuntukmenjelaskanvariasi

variabeldependensemakinterbatas.

Berdasarkanhasilpengolahandatadengan programstatistik, maka diperoleh hasil pada tabel 4.13.

Tabel4.13

Koefisiandeterminasi (R square) Model Summaryb

Model R R Square

Adjusted R Square

Std. Error of the Estimate

1 .935a .873 .867 .02435

a. Predictors: (Constant), CEE, HCE, SCE b. Dependent Variable: ROA

Sumber : Output SPSS, diolah Penulis, 2014

Berdasarkan tabel 4.13,angkaRsebesar0,953menunjukkan bahwakorelasiatauhubunganantaraReturnonAsset(Y)denganHuman Capital Efficiency(X1),Structural Capital Efficiency(X2)danCapital

Employed Efficiency(X3)mempunyai

hubunganyangkuatkarena>0,5(50%)yaitu93,5%.AngkaAdjustedRSqua re

ataukoefisiendeterminasiadalah0,867atau86,7%.Angkainimengindikas ikan bahwavariasi dariketigavariabelindependennyamampu

menjelaskanvariasi

variabeldependensebesar86,7%dansisanya13,3%(100%-86,7%)dijelaskan olehfaktor-faktorlaintidakdimasukkan dalammodelpenelitianini.Kemudian

StandardErroroftheEstimateadalahsebesar 0 , 2 4 3 5 , dimanasemakinkecil

angkainiakanmembuatmodelregresisemakintepatuntukmemprediksiRe turn on Asset.

Untukmengetahuiapakahmasing–

masingvariabelyaituHCE,SCEdan CEEyang

dianggapsecaraparsialdansimultanberpengaruhterhadapROA,

dilakukanpengujianhipotesis. Pengujianhipotesissecara statistik dilakukan dengan menggunakan uji t dan uji F.

2) Uji Parsial (t-test)

Tujuan dilakukannya uji t adalah untuk menguji signifikansi konstanta dari setiap variabel independen terhadap variabel dependen secara parsial. Dalamujitdigunakanhipotesisberikut:

H0:b1,b2,b3=0,artinyaHCE,S C E ,

danC E E tidakberpengaruhterhadapROA secaraparsial padaperusahaanmanufakturyangterdaftardiBursaEfek Indonesia.

Ha:b1,b2,b3≠0,artinyaHCE,S C E ,

danC E E berpengaruhterhadapROAsecara parsial padaperusahaanManufaktur yang terdaftar di Bursa Efek

Indonesia. Kriteria:

a) Untuk koefisien positif:

 Ho diterima dan Ha ditolak jika untuk

 Ha diterima dan Ho ditolak jika untuk

b) Untuk koefisien negatif:

 Ho diterima dan Ha ditolak jika untuk

 Ha diterima dan Ho ditolak jika untuk

Tabel4.14 Uji Statistik t

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig. B Std. Error Beta

1 (Constant) -.053 .009 -6.043 .000

HCE .018 .006 .309 2.946 .005

SCE .064 .031 .221 2.096 .041

CEE .492 .042 .607 11.782 .000

a. Dependent Variable: ROA

Sumber : Output SPSS, diolah Penulis, 2014

Tabel4.14menunjukkan hasil pengujian statistik t sehingga dapat menjelaskan pengaruh variabel independen secara parsial.

1) Pengaruh Human Capital Efficiency (HCE) terhadap profitabilitas (ROA).

Variabel Human Capital Efficiency memiliki nilai t 2,946 dengan nilai signifikansi 0,005 (lebih kecil dari 0,05). Maka

yaitu 2,946>1,673, hal ini menunjukkan bahwa

Ha diterima dan Ho ditolak. Artinya Human Capital Efficiency berpengaruh signifikan terhadap Return on Assetsecara parsial pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia.

2) Pengaruh Structural Capital Efficiency (SCE) terhadap profitabilitas (ROA).

Variabel Structural Capital Efficiency memiliki nilai t2,096 dengan nilai signifikansi 0,041 (lebih kecil dari 0,05). Maka

yaitu 2,096<1,673, hal ini menunjukkan bahwa

Ha diterima dan Ho ditolak. Artinya Structural Capital Efficiency berpengaruh signifikan terhadap Return on Assetsecara parsial pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia.

3) PengaruhCapital Employed Efficiency (CEE)terhadap profitabilitas (ROA).

Variabel Capital Employed Efficiency memiliki nilai t 11,782dengan nilai signifikansi 0,000 (lebih kecil dari 0,05).

Maka yaitu 11,782>1,673, hal ini menunjukkan bahwa Ha diterima dan Ho ditolak. Artinya Capital Employed Efficiencyberpengaruhsecara signifikan terhadap Return on Assetsecara parsial pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia.

4.4 Interpretasi Hasil

4.4.1 Pengaruh Value Added of Intellectual Capital (VAIC) terhadap Return of Asset (ROA)

Hipotesis pertama menyatakan bahwa “Value Added Intellectual Coefficient (VAIC) berpengaruh positif terhadap Return on Asset (ROA)”. Hasil pengujian statistik menunjukkan tingkat signifikan VAIC sebesar 0,000 yang lebih kecil dari tingkat signifikan 0,05 sehingga membuktikan bahwa VAIC berpengaruh positif terhadap ROA.

Hasil pengujian mendapatkan bahwa VAIC berpengaruh signifikan terhadap ROA. Hal ini menjelaskan bahwa beberapa modal intelektual yang telah dikeluarkan oleh perusahaan secara langsung telah mempengaruhi upaya perusahaan meningkatkan nilai ROA.

Hasil Penelitian Chen et al. (2005) menunjukkan bahwa Intellectual Capital (VAIC) berpengaruh positif terhadap kinerja keuangan. Menurut Chen dan kawan-kawan, Intellectual Capital merupakan aset strategis yang penting yang menopang keunggulan kompetitif perusahaan. Meningkatkan Intellectual Capital sama

pentingnya dengan mengembangkan investasi modal dalam penciptaan nilai dan meningkatkan keunggulan kompetitif.

4.4.2 Pengaruh Human Capital Efficiency (HCE) terhadap Return on Asset (ROA)

Hipotesis kedua bagian a menyatakan bahwa “Human Capital Efficiency (HCE) berpengaruh positif terhadap Return on Asset (ROA)”. Hasil pengujian statistic menunjukkan tingkat signifikan HCE sebesar 0,005 yang lebih kecil dari tingkat signifikan 0,05 sehingga dapat membuktikan bahwa HCE berpengaruh positif terhadap ROA.

Hasil pengujian ini mendapatkan bahwa HCE berpengaruh signifikan terhadap ROA. Hal ini menunjukkan bahwa HCE mendukung bagi peningkatan kinerja perusahaan manufaktur. Terdapat indikasi bahwa gaji dan tunjangan yang diberikan perusahaan kepada karyawannya telah mampu memotivasi karyawan dalam meningkatkan pendapatan dan profit perusahaan.

Bontis (1998) menyatakan bahwa tidak cukup hanya merekrut dan mempromosikan individu yang cerdas namun juga mendukung dan memelihara karyawannya melalui pembelajaran organisasi. Karyawan menjadi tidak termotivasi apabila tidak digunakan atau merasa tertantang. Oleh sebab itu, modal manusia akan memburuk jika tidak terus-menerus didukung dan dipelihara.

4.4.3 Pengaruh Human Capital Efficiency (HCE) terhadap Return on Asset (ROA)

Hipotesis kedua bagian b menyatakan bahwa “Structural Capital Efficiency (SCE) berpengaruh positif terhadap Return on Asset (ROA)”. Hasil pengujian statistik menunjukkan tingkat signifikan SCE sebesar 0,041 yang lebih kecil dari 0,05 sehingga dapat membuktikan bahwa SCE berpengaruh signifikan terhadap ROA. Hal ini menjelaskan bahwa efisiensi modal struktural dapat meningkatkan laba perusahaan. Pengelolaan structural capital yang baik dapat meningkatkan produktivitas karyawan dalam menghasilkan Value Added. Perusahaan harus mampu menciptakan budaya kerja yang baik untuk memotivasi karyawan dalam meningkatkan kinerja. Perusahaan yang memiliki struktur yang kuat dan mendukung akan memungkinkan karyawannya termotivasi dalam bekerja.

Penelitian yang dilakukan Chen et al. (2005) menunjukkan bahwa Structural Capital Efficiency berpengaruh positif terhadap Return on Asset. SCE merupakan indikator yang baik dalam menjelaskan Structural Capital perusahaan. Structural Capital diukur dengan menggunakan Value Added (VA) dikurangi dengan Human Capital (HC).

4.4.4 Pengaruh Capital Employed Efficiency (CEE) terhadap Return on Asset (ROA)

Hipotesis kedua bagian c menyatakn bahwa “Capital Employed Efficiency (CEE) berpengaruh positif terhadap Return on Asset (ROA)”. Hasil pengujian statistik menunjukkan tingkat signifikan CEE sebesar

0,000 yang lebih kecil dari tingkat signifikan 0,05 sehingga dapat membuktikan bahwa CEE berpengaruh postif terhadap ROA.

Hasil pengujian mendapatkan bahwa CEE memiliki pengaruh positif yang signifikan terhadap ROA. Hal ini menjelaskan bahwa perusahaan telah melakukan pemanfaatan efisiensi modal untuk meningkatkan ROA. Hasil ini menjelaskan bahwa modal yang digunakan merupakan nilai aset yang berkontribusi pada kemampuan perusahaan untuk menghasilkan pendapatan. Sehingga apabila modal yang digunakan suatu perusahaan dalam jumlah yang relatif besar maka mengakibatkan total aset perusahaan tersebut juga relatif besar. Sehingga pendapatan perusahaan pun akan meningkat pula. Hal ini dapat meningkatkan laba atas sejumlah aset yang dimiliki perusahaaan yang diukur dengan Return on Asset (ROA)

Penelitian Chen et al. (2005) menunjukkan bahwa Capital Employed Efficiency berpengaruh positif terhadap Return on Asset. Hal ini menunjukkan bahwa kinerja keuangan perusahaan secara positif berkaitan dengan efisiensi modal yang digunakan.

BABV

KESIMPULANDANSARAN

5.1 Kesimpulan

PenelitianinimengujiapakahIntellectual

Capitalmemilikipengaruhterhadapprofitabilitaspadaperusahaanmanufakturyangte rdaftar diBursaEfekIndonesia.Penelitianinimenggunakan sampel 20 perusahaan selama periode 2010-2012.

Berdasarkanhasilanalisisdatadanpembahasanyangtelahdikemukakan dalambab empat, makakesimpulan yang dapat diambil dari penelitianiniadalah:

1. Berdasarkan hasil pengujian hipotesis pertama menunjukkan secara parsial variabel Value Added Intellectual Coefficient (VAIC) memiliki pengaruh yang signifikan terhadap variabel Return on Asset yang ditunjukkan dengan nilai signifikan 0,000 yang lebih kecil dari 0,05 dengan nilai

(9,154) lebih besar dari (1,672) sehingga hipotesis satu

diterima.

2. Berdasarkan hasil pengujian hipotesis kedua bagian a menunjukkan secara parsial variabel Human Capital Efficiency (HCE) memiliki pengaruh yang signifikan terhadap variabel Return on Asset yang ditunjukkan dengan nilai signifikan 0,005 yang lebih kecil dari 0,05 dengan nilai

(2,946) lebih besar dari (1,673) sehingga hipotesis 2a

diterima.

parsial variabel Structural Capital Efficiency (SCE) memiliki pengaruh yang signifikan terhadap variabel Return on Asset yang ditunjukkan dengan nilai signifikan 0,041 yang lebih kecil dari 0,05 dengan nilai

(2,096) lebih besar dari (1,673) sehingga hipotesis 2b

diterima.

4. Berdasarkan hasil pengujian hipotesis kedua bagian c menunjukkan secara parsial variabel Capital Employed Efficiency (CEE) memiliki pengaruh yang signifikan terhadap variabel Return on Asset yang ditunjukkan dengan nilai signifikan 0,000 yang lebih kecil dari 0,05 dengan nilai

(11,782) lebih besar dari (1,673) sehingga hipotesis 2c

diterima.

5.2 KeterbatasanPenelitian

Penelitianini memiliki keterbatasan,antara lain:

1. Jumlah sampelyangdigunakandalampenelitianini relatif kecil yaituhanyaperusahaanmanufakturyangterdaftardiBEI selama tiga tahun menjadikan pengujian kurang kuat. Sampel pada penelitian ini hanya terbatas 20 perusahaan saja sehingga penelitian terkesan sempit sehingga tidak cukup objektif untuk menggambarkan kinerja modal intelektual perusahaan.

2. Pemilihan indikator dari kinerja keuangan dilihat dari sisi rasio rentabilitas yang diukur dengan satu indicator saja yaitu diukur dengan Return on Asset (ROA).

5.3 Saran

Dari keterbatasan penelitian ini,beberapa saran yang dikemukakan peneliti bagi para peneliti selanjutnya adalah sebagai berikut :

1. Sebaiknya perlu dilakukan penelitian menggunakan sampel yang lebih banyak dengan karakteristik yang lebih beragam dari berbagai sektor industri, sehinggadiketahui pengaruh Intellectual Capitalterhadap profitabilitas apabila diterapkan pada perusahaan yang berbeda.

2. Selain perluasan sampel penelitian, kepada para peneliti lanjutan juga diharapkandapatmelakukanpenelitianselanjutnyadengan menggunakan data time seriesyang up to date / terbaru, diharapkan agar hasilnya akan semakin akurat.

3. Menambah variabel kinerja keuangan perusahaan dilihat dari sisi rasio rentabilitas yang lain yaitu dapat diukur dengan Gross Profitt Margin dan Net Profit Margin. Ini menunjukkan kemampuan perusahaan dalam menghasilkan laba operasi usahanya yang murni dan laba bersih ditinjau dari pendapatan operasinya. Sehingga dapat diketahui bagaimana kinerja keuangan perusahaan manufaktur dari sisi rentabilitas secara keseluruhan.

BAB II

TINJAUAN PUSTAKA

2.1Landasan Teori

2.1.1 Stakeholder Theory

Teori pertama yang mendasari penelitian ini adalah stakeholder theory. Dalam pandangan teori ini, perusahaan bukan hanya sekedar memiliki shareholder, namun juga stakeholder. Stakeholder merupakan individu, sekelompok manusia, komunitas, atau masyarakat baik secara keseluruhan maupun secara parsial yang memiliki hubungan serta kepentingan terhadap perusahaan. Individu, kelompok, maupun komunitas/masyarakat dikatakan sebagai stakeholder apabila memiliki 3 karakteristik, yaitu kekuasaan, legitimasi, dan kepentingan terhadap perusahaan. Riahi-Belkaoui (2003) mengatakan bahwa kelompok-kelompok „stake‟ tersebut meliputi pemegang saham, karyawan, pelanggan, pemasok, kreditor, pemerintah, dan masyarakat. Kelompok stakeholder inilah yang menjadi pertimbangan utama bagi perusahaan dalam megungkapkan dan atau tidak mengungkapkan suatu informasi dalam laporan keuangan (Ulum, 2008).

Berdasarkan teori stakeholder, manajemen organisasi diharapkan untuk melakukan aktivitas yang dianggap penting oleh stakeholder mereka dan melaporkan kembali aktivitas-aktivitas tersebut pada stakeholder. Teori ini menyatakan bahwa seluruh stakeholder memiliki hak untuk disediakan informasi tentang bagaimana aktivitas organisasi mempengaruhi mereka,

bahkan ketika mereka memilih untuk tidak menggunakan informasi tersebut dan bahkan ketika mereka tidak dapat secara langsung memainkan peran yang konstruktif dalam kelangsungan hidup organisasi (Deegan, 2004).

Deegan (2004) lebih lanjut menyatakan bahwa teori stakeholder menekankan akuntabilitas organisasi jauh melebihi kinerja keuangan atau ekonomi sederhana. Teori ini menyatakan bahwa organisasi akan memilih secara sukarela mengungkapkan informasi tentang kinerja lingkungan, sosial, dan intelektual mereka, melebihi dan di atas permintaan wajibnya, untuk memenuhi ekspektasi sesungguhnya atau yang diakui oleh stakeholder.

Tujuan utama dari teori stakeholder adalah untuk membantu manajer korporasi mengerti lingkungan stakeholder mereka dan melakukan pangelolaan dengan lebih efektif di antara keberadaan hubungan-hubungan di lingkungan perusahaan mereka. Namun demikian, tujuan yang lebih luas dari teori stakeholder adalah untuk menolong manajer korporasi dalam meningkatkan nilai dari dampak aktivitas-aktivitas mereka, dan meminimalkan kerugian-kerugian bagi stakeholder. Pada kenyataannya, inti keseluruhan teori stakeholder terletak pada apa yang akan terjadi ketika korporasi dan stakeholder mejalankan hubungan mereka.

Menurut Guthrie et al. (2006), laporan keuangan merupakan cara yang paling efisien bagi organisasi untuk berkomunikasi dengan kelompok stakeholder yang dianggap memiliki ketertarikan dalam pengendalian aspek-aspek strategis tertentu dalam organisasi. Content analysis atas pengungkapan

Intellectual Capital dapat digunakan untuk menentukan apakah komunikasi tersebutbenar-benar terjadi.

Terdapat dua jenis informasi yang disediakan oleh perusahaan dalam laporan tahunan, yaitu informasi yang bersifat wajib (mandatory) dan informasi yang bersifat sukarela (voluntary). Informasi yang bersifat wajib lebih mengungkapkan informasi mengenai keuangan perusahaan, sedangkan informasi yang bersifat sukarela mengungkapkan informasi non-keuangan perusahaan.

Salah satu informasi yang bersifat sukarela adalah informasi mengenai Intellectual Capital. Informasi tersebut mengungkapkan adanya suatu value added yang dimiliki oleh perusahaan akibat adanya pengelolaan dari Intellectual Capital itu sendiri. Dengan adanya pengungkapan mengenai informasi Intellectual Capital tersebut, diharapkan dapat meningkatkan kepercayaan stakeholder dan dapat mengurangi tingkat resiko dan ketidakpastian yang dihadapi oleh investor.

Bidang manajerial dari Stakeholder Theory berpendapat bahwa kekuatan stakeholder untuk memengaruhi manajemen korporasi harus dipandang sebagai fungsi dari tingkat pengendalian stakeholder atas sumber daya yang dibutuhkan organisasi. Ketika para stakeholder berupaya untuk mengendalikan sumber daya organisasi, maka orientasinya adalah untuk meningkatkan kesejahteraan mereka. Kesejahteraan tersebut diwujudkan dengan semakin tingginya return yang dihasilkan oleh organisasi.

Selain itu, para stakeholder berkepentingan untuk memengaruhi manajemen dalam proses pemanfaatan seluruh potensi yang dimiliki oleh organisasi. Sebab hanya dengan pengelolaan yang baik dan maksimal atas seluruh potensi inilah organisasi akan dapat menciptakan value added untuk kemudian mendorong kinerja keuangan perusahaan yang merupakan orientasi para stakeholder dalam mengintervensi manajemen.

2.1.2 Resource Based Theory

Selama akhir tahun 1960-an, para manajer, ilmuwan keperilakuan, analis keuangan, dan akuntan menjadi semakin tertarik terhadap gagasan akuntansi bagi manusia sebagai sumber daya organisasional. Pada awalnya, gagasan tersebut adalah untuk „memasukkan manusia ke dalam neraca‟ karena diakui bahwa manusia adalah sumber daya yang berharga dan laporan keuangan perusahaan tidaklah lengkap jika laporan tersebut tidak mencerminkan status dari aktiva manusia.

Daft (1983) mendefinisikan sumber daya perusahaan sebagai semua aset, kemampuan, proses organisasional, informasi dan pengetahuan yang dikendalikan oleh perusahaan yang menyebabkan perusahaan mampu untuk mengimplementasikan berbagai strategi untuk mengingkatkan efisiensi dan efektivitas perusahaan. Resource based theory dikembangkan untuk memahami bagaimana perusahaan mencapai keunggulan kompetitif. Resource based theory dipelopori oleh Penrose (1959) yang mengemukakan bahwa sumber daya perusahaan bersifat heterogen, tidak homogen, dan jasa

produktif yang berasal dari sumber daya perusahaan yang memberikan karakter unik bagi tiap-tiap perusahaan.

Dalam Resource based theory, sumber daya dapat secara umum didefinisikan untuk memasukkan aset, proses organisasi, atribut perusahaan, informasi, atau pengetahuan yang dikendalikan oleh perusahaan yang dapat digunakan untuk memahami dan menerapkan strategi mereka. Sumber daya perusahaan yang sukar untuk dimiliki atau yang membutuhkan proses yang rumit untuk mendapatkannya dapat menjadi keunikan perusahaan tersebut. Dan untuk mengembangkan keunggulan kompetitif, perusahaan harus memiliki sumber daya dan kemampuan yang superior dan melebihi para pesaingnya. Resource based theory berfokus pada sumber daya dan pengelolaannya dalam organisasi yang akhirnya mengarahkan pada penciptaan nilai dan disiplin manajemen strategis (Peppard dan Rylander, 2001).

Keunggulan kompetitif dan business performance yang baik berhubungan dengan bagaimana perusahaan mendapatkan, mengelola, dan menggunakan aset-aset yang bersifat strategis, baik yang berwujud maupun tidak berwujud, yang berperan vital dalam mengembangkan keunggulan kompetitif perusahaan dan mencapai kinerja finansial yang baik.

Untuk mencapai keunggulan kompetitif serta berkelanjutan, sumber

daya harus memenuhi kriteria “VRIN” yang dikembangkan oleh Jay Barney

1. Valuable (V): Sumber daya akan menjadi berharga jika dapat memberikan nilai strategis pada perusahaan. Sumber daya memberikan nilai jika sumber daya tersebut membantu perusahaan dalam mengeksploitasi peluang pasar atau membantu mengurangi ancaman pasar. Tidak ada keuntungan memiliki sumber daya juka sumber daya tersebut tidak menambah atau menaikkan nilai perusahaan.

2. Rare (R): Sumber daya harus sulit ditemukan diantara para pesaing maupun pesaing potensial. Oleh karena itu sumber daya harus langka atau unik agar memberikan keunggulan kompetitif. Sumber daya yang dimiliki oleh beberapa perusahaan di pasar tidak dapat memberikan keunggulan kompetitif, karena mereka tidak dapat mendesain dan melaksanakan strategi bisnis yang unik dibandingkan dengan kompetitor yang lain.

3. Imperfect Imitability (I): Imperfect Imitability dapat berarti tidak dimungkinkannya untuk memperbanyak atau membuat imitasi sumber daya tersebut. Hambatan-hambatannya dapat bermacam-macam, seperti kesulitan mengakuisisi sumber daya tersebut, hubungan yang tidak jelas antara kemampuan dengan keunggulan konpetitif, dan kompleksitas sumber dayanya. Sumber daya dapat menjadi sumber keunggulan kompetitif yang berlanjut jika perusahaan-perusahaan yang tidak memiliki sumber daya ini dapat memiliki sumber daya tersebut.

4. Non-Substitution (N): Non-Substitution berarti bahwa sumber daya tidak dapat disubstitusikan oleh sumber daya alternatif lainnya. Disini, para pesaing

tidak dapat mencapai kinerja yang sama dengan menggantikan sumber daya dengan sumber daya alternatif lainnya.

Intellectual Capital merupakan salah satu sumber daya yang dimiliki perusahaan. Intellectual Capital terbagi tiga bagian, yaitu human capital, structural capital, dan customer capital (Stewart, 1997). Menurut Resource based theory, Intellectual Capital memenuhi kriteria-kriteria sebagai sumber daya unik yang mampu menciptakan keunggulan kompetitif perusahaan. Oleh karena itu Intellectual Capital digunakan untuk menyusun dan menerapkan strategi perusahaan sehingga dapat meningkatkan business performance. 2.1.3 Knowledge Based Theory

Pandangan berbasis pengetahuan perusahaan (Knowledge based theory) adalah eksistensi baru dari pandangan berbasis sumber daya perusahaan (Resource based Theory). Resource based theory menjelaskan adanya dua pandangan mengenai perangkat penyusunan strategi perusahaan. Yang pertama yaitu pandangan yang berorientasi pada pasar (market-based), dan yang kedua adalah pandangan yang berorientasi pada sumber daya (resource-based). Pengembangan dari kedua perangkat tersebut menghasilkan pandangan baru, yaitu pandangan yang berorientasi pada pengetahuan (knowledge-based).

Knowledge based theory merupakan pandangan yang berbasis sumber daya manusia tetapi menekankan pada pentingnya pengetahuan perusahaan. Teori ini memberikan dukungan yang kuat pada pengakuan Intellectual Capital sebagai salah satu aset perusahaan.

Knowledge based theory menganggap pengetahuan sebagai sumber daya yang sangat penting bagi perusahaan, karena pengetahuan merupakan aset yang apabila dikelola dengan baik akan meningkatkan kinerja perusahaan. Apabila kinerja perusahaan meningkat, otomatis nilai perusahaan akan ikut meningkat pula.

2.1.4 Intellectual Capital

2.1.4.1 Definisi Intellectual Capital

Istilah Intellectual Capital pertama kali dikemukakan oleh John Kenneth Galbraith yang menuliskan surat yang ditujukan kepada teman sejawatnya, Michal Kalecki pada tahun 1969. Dalam tulisannya, Galbraith mengemukakan berikut ini : “I wonder if you realize how much those of us the world around have owed to the Intellectual Capital you have provided over these last decades” (Bontis, 2000).

Definisi Intellectual Capital yang ditemukan dalam beberapa literatur cukup kompleks dan beragam. Istilah Intellectual Capital diperkenalkan oleh Thomas A. Stewart dengan tulisannya yang diterbitkan pada Juni 1991 berjudul ”Brain Power – How Intellectual

Capital is Becoming America’s Most Valuable Asset”, yang

mengantarkan Intelletual Capital kepada agenda manajemen. Stewart mendefinisikan Intellectual Capital sebagai bahan baku intelektual seperti pengetahuan, informasi, properti intelektual, dan pengalaman yang bersama-sama digunakan untuk menciptakan kesejahteraan dalam perusahaan.

Brooking (1996) menawarkan definisi yang lebih komprehensif dengan menyatakan bahwa Intellectual Capital adalah istilah yang diberikan untuk mengkombinasikan intangible asset dari pasar, properti intelektual, infrasruktur dan pusat manusia yang menjadikan suatu perusahaan menjadi berfungsi. Roos et al. (1997) menyatakan bahwa “IC includes all the processes and the assets which are not normally shown on the balance-sheet and all the intangible assets (trademark, patent, and brands) which modern accounting methods consider…” Sedangkan Bontis (1998) mengakui bahwa IC bersifat eksklusif, tetapi sekali ditemukan dan dieksploitasi akan memberikan organisasi basis sumber baru untuk berkompetisi dan menang (Ulum, 2009).

Lebih lanjut, Edvinsson dan Malone (1997) mengidentifikasikan Intellectual Capital sebagai nilai yang tersembunyi (hidden value) dari bisnis. Mereka menyebutkan bahwa IC adalah suatu jenis kontrol atas pengetahuan, pengalaman yang bersifat empiris, teknik organisasi, hubungan dengan pelanggan, dan keahlian pfrofesional.

Hingga saat ini belum ada definisi Intellectual Capital secara pasti. Namun, secara garis besar, Intellectual Capital dapat diartikan sebagai aset yang tidak berwujud dan merupakan sumber daya berisi pengetahuan, yang dapat mempengaruhi kinerja suatu perusahaan baik dalam pembuatan keputusan saat ini maupun manfaat masa depan, Perbandingan konsep Intellectual Capital menurut beberapa peneliti dapat dilihat pada tabel 2.1.

Tabel 2.1

Perbandingan Konsep Intellectual Capital Menurut Beberapa Peneliti

Brooking (UK) Roos (UK) Stewart (USA) Bontis (Kanada) Human-centered

assets

Skills, abilities and expertise,

Problem solving abilities and leadership styles

Human Capital Competence, attitude, and intellectual agility

Human Capital Employees are an organization‟s most important asset

Human Capital The individu level knowledge that each employee possesses

Infrastructure assets

All the

technologies, process and methodologies that enable company to function

Organisational capital

All organizational, innovation,

processes, intellectual

property, and cultural assets

Structural capital Knowledge

embedded in information

technology

Structural capital

Non-human assets or organizational capabilities used to meet market requirements Intellectual

property Know-how,

trademarks and patents

Renewal and development capital

New patents and training efforts

Structural capital

All patents, plans and trademarks

Intellectual property

Unlike, IC, IP is a protected asset and has a legal definition

Market assets Brands, customers, customer loyalty and distribution channels

Relational capital Relationship which include internal and external stakeholders

Customer Capital Market

information used to capture and retain customers

Relational capital

Customer capital is only one feature of the knowledge embedded in organizational relationships Sumber: Bontis et al. (2000) dalam Ulum (2009)

Selama ini, terdapat ketidakjelasan dalam membedakan antara Intellectual Capital, intangible assets, dan kekayaan intelektual

Akhirkata,penulisberharapsemogaskripsiinibermanfaatbagipembacadan penelitilainnya.

Medan, Mei2014 Penulis,

Vevy Anny E Munte NIM:1005030094

DAFTAR ISI

Halaman

PERNYATAAN ... i

ABSTRAK ... ii

ABSTACT ... iii

KATA PENGANTAR ... iv

DAFTAR ISI ... vii

v i DAFTAR TABEL ... ix

DAFTAR GAMBAR ... x

DAFTAR LAMPIRAN ... xi

BABI PENDAHULUAN 1.1Latar Belakang Penelitian………...………... ... 1 1.2PerumusanMasalah ... 6

1.3Tujuan dan Manfaat Penelitian ... 6

1.3.1 Tujuan Penelitian... 6

1.3.2 Manfaat Penelitian ... 7

BABII TINJAUAN PUSTAKA 2.1 Landasan Teori ... 8

2.1.1 Stakeholder Theory ... 8

2.1.2 Resource Based Theory ... 11

2.1.3 Knowledge Based Theory... 14

2.1.4 Intellectual Capital ... 15

2.1.4.1 Definisi Intellectual Capital... 15

2.1.4.2 Value Added Intellectual Capital (VAIC) ... 22

2.1.5 Kinerja Keuangan ... 26

2.1.6Efisiensi ... 27

2.2Penelitian terdahulu... 28

2.3 Kerangka Konseptual ... 31

2.4 Hipotesis... 32

2.4.1 Hubungan Value Added Intellectual Coefficient (VAIC) dengan Return on Asset (ROA) ... 32

2.4.2 Hubungan Human Capital Efficiency (HCE), Structural Capital Efficiency (SCE), dan Capital Employed Efficiency (CEE) dengan Return on Asset (ROA) 33 BABIII METODEPENELITIAN 3.1 Jenis Penelitian ... 37

3.5Metode Pengumpulan Data ... 39

3.6Variabel Penelitian danDefenisi Operasional Variabel... 39

3.6.1 Variabel Penelitian ... 39

3.6.1.1Variabel Independen ... 39

3.6.1.2VariabelDependen ... 42

3.5.2 Defenisi Operasional Variabel ... 42

3.7Metode Analisis Data ... 43

3.8 Pengujian Hipotesis ... 46

3.9 Jadwal Penelitian ... 48

BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Data Penelitian ... 49

4.2 Statistik Deskriptif ... 49

4.3 Analisis Data ... 51

4.3.1 Model Regresi Linier Sederhana ... 51

4.3.1.1 Uji Asumsi Klasik ... 51

4.3.1.2 Analisis Regresi ... 56

4.3.2 Model Regresi Linier Berganda ... 60

4.3.2.1 Uji Asumsi Klasik ... 60

4.3.2.2 Analisis Regresi ... 67

4.3.2.3 Pengujian Hipotesis ... 69

4.4 Interpretasi Hasil ... 74

BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan ... 78

5.2 Keterbatasan Penelitian ... 79

5.3 Saran ... 80

DAFTAR PUSTAKA ... 81 LAMPIRAN...

.

DAFTAR TABEL

No.Tabel Judul Halaman

2.1 Perbandingan Konsep Intellectual Capital menurut beberapa peneliti ...

17 2.2 Penelitian-Penelitian Empiris tentang Hubungan Intellectual

Capital dan Kinerja Perusahaan ...

30

3.1 Pengambilan Sampel ... 38

3.2 Definisi Operasional Variabel... 42

3.3 Jadwal Penelitian ... 48

4.1 Deskriptive Statistic ... 49

4.2 Hasil Uji Kolmogorov-Smirnov ... 52

4.3 Hasil Uji Autokorelasi ... 54

4.4 Hasil Uji Heteroskedastisitas – Uji Glejser ... 55

4.5 Koefisien Determinasi (R Square) ... 57

4.6 Analisis Regresi ... 58

4.7 Uji Statistik t ... 60

4.8 Hasil Uji Kolmogorov-Smirnov ... 62

4.9 Hasil Uji Multikolonieritas ... 63

4.10 Hasil Uji Autokorelasi ... 64

4.11 Hasil Uji Heteroskedastisitas – Uji Glejser ... 65

4.12 Analisis Regresi ... 67

4.13 Koefisien Determinasi (R Square) ... 70

DAFTARGAMBAR

No.Gambar Judul Halaman

2.1 Kerangka Konseptual ... 32

4.1 Normal P-Plot Regresion ... 52

4.2 Scatterplot ... 56

DAFTAR LAMPIRAN

No.Lampiran Judul Halaman

i Daftar Sampel Perusahaan Manufaktur yang terdaftar di BEI... ...

84 ii Hasil Perhitungan HCE, SCE, CEE, VAIC, dan ROA tahun

2010... 85

iii Hasil Perhitungan HCE, SCE, CEE, VAIC, dan ROA tahun 2011... 86

iv Hasil Perhitungan HCE, SCE, CEE, VAIC, dan ROA tahun 2012... 87

v Output Statistik deskriptif ... 88

vi Hasil Output SPSS Model Regresi Linier Sederhana ... 88